摘要
本发明公开了一种基于生成对抗网络的汽轮机故障诊断方法,属于汽轮机故障识别技术领域。解决了现有技术中传统的汽轮机故障诊断方法迭代速度缓慢且故障识别准确性较低的问题;本发明采集并标注汽轮机传感器输出的汽轮机运行数据,得到原始训练集;构建样本生成模型,输入原始训练集并进行训练,整合得到训练数据;构建特征提取模型,输入训练数据进行训练,得到更新后的特征提取模型;构建特征降维模型,输入采集的更新后的特征提取模型中的数据进行训练,得到更新后的特征降维模型;构建极限学习机网络,输入更新后的特征降维模型中的数据进行训练,得到汽轮机故障诊断模型。本发明有效提升了故障分类速度和准确性,可以应用于汽轮机故障检测。
技术关键词
特征提取模型
极限学习机网络
生成对抗网络
神经网络参数
汽轮机故障诊断
数据
矩阵
超参数
非线性动力学理论
极限学习机分类
样本
正则化参数
激活方法
多层结构
因子
分类器
系统为您推荐了相关专利信息
电子健康档案数据
分片
数据查询方法
字段
分类策略
注意力
图像特征提取模型
文本
多模态信息融合
语义理解模型
训练神经网络
节点
梯度下降法
译码算法
译码方法